oualidlamrini/dataset_ner

该数据集包含用于命名实体识别任务的文本数据，特征包括tokens和ner_tags。ner_tags是一个序列，包含多个类标签，如O, B-nom, I-nom等，用于标识文本中的不同实体类型。数据集被分割为训练集、验证集和测试集，分别包含173、35和24个示例。

原始信息汇总

数据集概述

特征

• tokens: 字符串序列
• ner_tags: 命名实体识别标签序列
  • 标签类别:
    • 0: O (非实体)
    • 1: B-nom (姓氏开始)
    • 2: I-nom (姓氏内部)
    • 3: B-prenom (名字开始)
    • 4: I-prenom (名字内部)
    • 5: B-sexe (性别开始)
    • 6: I-sexe (性别内部)
    • 7: B-lieu_naissance (出生地开始)
    • 8: I-lieu_naissance (出生地内部)
    • 9: B-date_naissance (出生日期开始)
    • 10: I-date_naissance (出生日期内部)
    • 11: B-nom_d_usage (使用名开始)
    • 12: I-nom_d_usage (使用名内部)
    • 13: B-adresse (地址开始)
    • 14: I-adresse (地址内部)

数据集划分

• train: 训练集
  • 样本数量: 173
  • 字节数: 145188
• validation: 验证集
  • 样本数量: 35
  • 字节数: 28368
• test: 测试集
  • 样本数量: 24
  • 字节数: 18592

数据集大小

• 下载大小: 55775 字节
• 数据集总大小: 192148 字节

配置

• default: 默认配置
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*
    • 测试集: data/test-*